Lofter
高级/资深数据分析师（LOFTER）
高级/资深数据分析师（LOFTER）
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公数据分析
数据分析
Ab实验
Etl
Llm
Sql
Text-To-Sql
指标体系
数据仓库
值不值得投
71综合评分
综合评分 71
杭州资深数仓/分析岗，技术栈全面且有LLM创新点，成长性强，但办公与WLB信息不明确。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
33K
比数据分析中位数高
发布情况
新岗位 · 今天发布
公司情况
公司还在招多个职位
4 个在招
市场机会
选择适中
杭州 · 数据分析 · 47 个在招
职位详情
关于这个职位
该职位是LOFTER社区的数据分析专家，核心职责是为社区生态（内容、创作者、用户行为）搭建稳定可靠的数据底座
工作包括数据仓库建模与开发、ETL管道维护、数据分析工具建设，并支持业务分析和AB实验评估
同时，需要探索引入LLM等新工具来提升团队的数据生产效率
最低要求
本科及以上学历，计算机、软件工程、数据科学、统计学等相关专业优先
扎实的开发与数据处理能力：精通 SQL，熟练掌握至少一门编程语言（如 Python）
了解常用大数据组件（如 Hive / Spark 等），若具备 ETL 开发与数仓建模的实际经验优先
具备一定数据分析能力：能独立完成取数、指标搭建与业务分析，理解常见分析方法（如漏斗、留存、AB 实验等），能把数据转化为业务可用的结论
对新工具有热情：了解主流 LLM 及 AI 编程工具的应用场景，愿意用 Copilot、Text-to-SQL 等工具提升开发与分析效率，有相关实践经验者优先
业务理解与协作能力：对社区 / 内容 / 创作者生态有一定理解或兴趣
沟通顺畅，有较强的“用技术解决业务问题”的意识
工作职责
数据工具与指标体系落地：推动指标体系的工程化沉淀，参与开发数据看板、常用查询工具与数据服务接口，把重复、复杂的取数逻辑封装成易用的工具，提升团队整体的取数与决策效率
数据分析支持与业务探查：作为分析团队的技术支撑，参与产品版本迭代，支持 AB 实验数据评估、多维数据探查与专项分析，能独立完成一定深度的数据分析并产出结论，辅助识别增长机会
智能化提效探索（加分亮点）：结合业务场景，尝试引入 LLM、Text-to-SQL 等新工具优化数据分析流程
探索自动化报告生成、异常数据自动诊断等智能化方案，持续提升团队的数据生产效率
数据仓库与 ETL 链路建设（核心职责）：理解社区生态（内容、创作者、用户行为）的业务逻辑，负责数据仓库的模型设计与开发
搭建、维护并优化 ETL 数据管道，保障数据的稳定流转与质量，为分析团队搭建可靠的数据底座
能够独立承接组内的数据基建需求并闭环落地
跨团队协作：与产品、运营及分析同学紧密配合，把业务痛点转化为可落地的数据方案与自动化工具，沉淀可复用的数据能力
优先资格
有 LLM、Text-to-SQL 等 AI 工具的应用实践经验
AI 洞察
优缺点分析
优点
- 技术栈覆盖数据工程与分析全流程，能全面锻炼数仓、ETL与分析能力
- 业务领域（社区/内容）明确，能深入理解内容生态数据
- 有机会探索LLM等前沿技术在数据分析中的应用，有创新空间
- 需要快速理解复杂的社区生态业务逻辑
- 技术工具更新快，需要持续学习以保持竞争力
- 适合既喜欢数据开发（数仓/ETL）又对业务分析感兴趣的技术型数据人才
- 适合对社区内容产品有热情，并愿意利用数据工具直接驱动业务决策的求职者
缺点 / 挑战
- 作为小型企业岗位，可能面临数据基建从0到1或资源有限的挑战
角色解读
- 专业路径可向资深数据工程师、数据架构师或数据科学家方向发展，深入数据基建或算法领域
- 管理路径可向数据分析团队负责人发展
- 长期可结合业务理解成为业务数据专家或产品经理
- 负责LOFTER社区的数据仓库建模、ETL开发与维护，为分析团队提供稳定数据底座
- 开发数据查询工具与看板，封装复杂取数逻辑，提升团队效率
- 支持AB实验与专项数据分析，挖掘业务增长机会
- 探索并引入LLM等AI工具，优化数据分析流程
- 必须精通SQL和至少一门编程语言（如Python），并熟悉Hive/Spark等大数据组件
- 需要具备数据仓库建模与ETL开发的实际经验
- 需要掌握漏斗、留存、AB实验等数据分析方法
- 对LLM等新工具有热情并了解其应用场景
- 需要理解社区、内容、创作者生态的业务逻辑
申请策略
- 申请前可体验LOFTER产品，了解其社区内容、创作者互动等核心功能，并在面试中展现你对业务的理解
- 准备一个你如何从业务痛点出发，设计数据方案并落地的完整案例
- 重点突出与数据仓库建模、ETL开发（Hive/Spark）相关的项目经验与成果
- 展示用Python/SQL解决实际业务问题、提升效率的案例
- 如有使用LLM、Copilot等工具提升工作效率的经验，可单独列出
- 深入学习数据仓库建模理论（如维度建模），并练习在社区类场景下的模型设计
- 可以尝试使用公开数据集，实践从数据处理、建模到分析的全流程
面试指南
- 采用STAR法则（情境-任务-行动-结果）来描述项目经历，突出你的技术选型与问题解决思路
- 对于分析类问题，强调从理解业务目标、定义指标、设计实验到得出结论的逻辑链条
- 对于工具类问题，可以结合具体场景说明其优势与局限性
- 请介绍一个你主导的数据仓库或ETL项目，你是如何进行模型设计的？如何评估一个AB实验的结果？业务方提出一个模糊的分析需求（如‘提升创作者活跃度’），你会如何拆解并分析？你了解Text-to-SQL吗？在什么场景下你会考虑使用它？
- 复盘自己过去的数据项目，整理成清晰的技术方案与业务成果
- 复习AB实验的统计原理（如假设检验、p值）和常见陷阱
- 思考LLM工具在数据分析各环节（写SQL、生成报告、解释代码）的应用场景
职位点评
薪资福利70
成长发展85
工作生活55
使命价值65
薪资福利
70中等
薪资估算处于杭州市场同类岗位的中上水平，对资深技术人才有一定吸引力，但JD未提及明确薪资与福利。
薪资信号未披露（AI估算：2.5–4万/月）
成长发展
85较高
职位涉及数据基建、分析、前沿工具探索等多个维度，技术栈全面且有创新点，能为个人技术深度和广度提供良好成长空间。
技术前沿前沿/新兴技术
技术栈LLM、Text-to-SQL、Copilot、Hive、Spark、ETL、数据仓库
业务类型profit_center
工作生活
55较低
JD未明确说明办公模式与工作时间，无法判断其WLB情况。地点在杭州，但具体办公环境与通勤体验需确认。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
65中等
工作内容与社区内容生态紧密相关，通过数据驱动产品发展，具有一定的业务价值感，但属于成熟社区产品的优化工作。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs